los sistemas expertos en el ámbito educativo · sistemas expertos en el ámbito educativo...

Omnia Año 20, No. 1 (enero-abril, 2014) pp. 11 - 28

Universidad del Zulia. ISSN: 1315-8856

Depósito legal pp 199502ZU2628

Los sistemas expertos en el ámbito educativo

Luis Montiel* y Víctor Riveros**

Resumen

La presente investigación de carácter cualitativo tiene como propósito

caracterizar el uso de los sistemas expertos en el ámbito educativo. Para tal

efecto, se usó el tipo de indagación documental y la revisión bibliográfica de

distintos autores, con base en los métodos deductivo e inductivo para la

construcción teórica requerida. Los hallazgos considerados, permitirán con-

ceptualizar una perspectiva del uso de los sistemas expertos en educación.

En esta orientación teórica se incluirá los avances de la Inteligencia Artificial,

que están dirigidos al desarrollo de programas computarizados, que emulan

los procesos del pensamiento humano utilizando estructuras que contienen

conocimiento y la experiencia de los expertos humanos.

Palabras clave: Inteligencia artificial, sistemas expertos, educación, pensa-

miento humano y conocimiento.

Expert Systems in Education

Abstract

This qualitative research aims to characterize the use of expert systems in

education. To this effect, documentary research and a literature review of vari-

ous authors were used, based on deductive and inductive methods, for the re-

quired theoretical construct. The findings will make it possible to conceptualize

a perspective for the use of expert systems in education. This theoretical orienta-

tion will include advances in artificial intelligence, directed toward the develop-

ment of computer programs that emulate human thought processes utilizing

structures that contain knowledge and the experience of human experts.

Keywords: Artificial intelligence, expert systems, education, human thought,

knowledge.

* Ing de sistemas. Msc. en computación aplicada a la investigación del (CIDTEC). Centro de

Investigación y Desarrollo en Tecnología del Conocimiento de la Facultad de Humanidades y

Educación LUZ [email protected]

** Doctor en Ciencias Humanas. Msc. en Matemáticas Aplicadas, profesor titular de LUZ. Investiga-

dor del CIDTEC. [email protected]

Recibido: 11-11-13 Aceptado: 22-03-14

mailto:[email protected]

mailto:[email protected]


Luis Montiel y Víctor Riveros 12

Introducción

Hoy por hoy se vislumbra los aportes que las tecnologías digitales

pueden brindar al enriquecimiento de la labor educativa. Algunos pien-

san que la solución de los problemas asociados a los procesos de ense-

ñanza y aprendizaje se circunscribe a replantear pedagógicamente el

cómo, es decir, diseñar nuevas estrategias metodológicas donde el estu-

diante tenga la posibilidad de construir su propio conocimiento.

El desarrollo de las Tecnologías de Información y Comunicación

(TIC) está demandando un cambio en los tradicionales ambientes de

aprendizaje algorítmicos. La utilización de software y materiales educati-

vos computarizados como un recurso para apoyar los procesos de ense-

ñanza y aprendizaje, se ha convertido en una necesidad y constituye una

respuesta ante la problemática que gira en torno de la comprensión cog-

noscitiva de conceptos y nociones en los salones de clase.

La tendencia impuesta por los avances científico-tecnológicos de-

manda un cambio en los procesos de enseñanza y aprendizaje, una

transformación hacia la búsqueda de nuevos métodos y estrategias di-

dácticas, aprovechando todas las potencialidades brindadas por las TIC.

Por otra parte, una de las preocupaciones de los docentes es la

toma de decisiones en torno a la forma de ejecutar el proceso didáctico

desde de su planificación hasta otras actividades del quehacer educati-

vo. En este sentido, muchas han sido las propuestas sobre la forma de

planificar la acción educativa, las estrategias que se pueden aplicar y los

modelos que se pueden adoptar. Esto significa como requerimiento con-

tar con el conocimiento y la experiencia de diseñadores instruccionales

expertos que hayan adquirido a lo largo del ejercicio de la profesión una

experticia tal que les permita encontrar soluciones efectivas bajo ciertas

condiciones del ambiente de aprendizaje a diseñar.

Sobre la base de las ideas expuestas, se pueden considerar que los

sistemas expertos en el ámbito educativo presentan ciertas ventajas, en

particular los creados con fines pedagógicos e instruccionales. Ya que

pueden diagnosticar, depurar y corregir el desarrollo del aprendizaje de

los estudiantes en un área particular de conocimiento. Además, el siste-

ma determina el nivel cognoscitivo del alumno y lo ayuda a mejorar sus

debilidades para que alcance un nivel superior de aprendizaje.

Fundamentación teórica

Sistemas expertos

Son llamados así porque emulan el razonamiento de un experto en

un dominio concreto y en ocasiones son usados por éstos. Con ellos se

busca una mejor calidad y rapidez en las respuestas dando así lugar a

una mejora de la productividad del experto; son sistemas informáticos

que simulan el proceso de aprendizaje, memorización, razonamiento, co-

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 13

municación y de acción en consecuencia de un experto humano en cual-

quier rama de la ciencia.

Según Cuena (1995) un sistema experto (SE) es una aplicación in-

formática capaz de solucionar un conjunto de problemas que exigen un

gran conocimiento sobre un determinado tema. Un SE es un conjunto de

programas que, sobre una base de conocimientos, posee información de

uno o más expertos en un área específica. Se puede entender como una

rama de la inteligencia artificial, donde el poder de resolución de un pro-

blema en un programa de computadora viene del conocimiento de un do-

minio específico.

Por otra parte, Velázquez y Coca (2004) plantean que son un tipo de

programa de aplicación informática que adopta decisiones o resuelve

problemas de un determinado campo, como las finanzas, la medicina, la

matemática, entre otros utilizando los conocimientos y las reglas analíti-

cas definidas por los expertos en dicho campo. Los expertos solucionan

los problemas utilizando una combinación de conocimientos basados en

hechos y en su capacidad de razonamiento.

En los sistemas expertos, estos dos elementos básicos están conte-

nidos en dos componentes separados, aunque relacionados: una base de

conocimientos y una máquina de deducción, o de inferencia. La base de

conocimientos proporciona hechos objetivos y reglas sobre el tema,

mientras que la máquina de deducción proporciona la capacidad de ra-

zonamiento que permite al sistema experto extraer conclusiones. Los sis-

temas expertos facilitan también herramientas adicionales en forma de

interfaces de usuario y los mecanismos de explicación.

Las interfaces de usuario, al igual que en cualquier otra aplicación,

permiten al usuario formular consultas, proporcionar información e in-

teractuar de otras formas con el sistema. Los mecanismos de explicación

permiten a los sistemas explicar o justificar sus conclusiones, y también

posibilitan a los programadores verificar y evaluar el funcionamiento

efectivo de los propios sistemas. Lo anterior planteado pudiera ilustrarse

en la Figura 1.

Por ello, la aplicación de sistemas expertos será adecuada donde

los expertos dispongan de conocimientos complejos en un área muy deli-

mitada, donde no existan algoritmos ya establecidos. Sobre este particu-

lar, Velázquez y Coca (2004) expresan que otro campo de aplicación es

donde se encuentran teorías que resulten prácticamente imposibles de

analizar todos los casos teóricamente imaginables mediante algoritmos y

en un espacio de tiempo relativamente corto y razonable.

El experto encuentra a menudo una solución al problema gracias a

las informaciones que posee sobre la situación problemática y a su expe-

riencia. Mientras esta solución sea susceptible de repetición y el plantea-

miento del problema esté claro, existe un razonamiento que puede ser re-

producido por un sistema experto.



Figura 1. Estructura de un Sistema Experto

Fuente: Chatain y Dussauchoy (1989).

Estos sistemas imitan las actividades de un humano para resolver

problemas de distinta índole (no necesariamente tiene que ser de Inteli-

gencia Artificial IA). También se dice que un sistema experto se basa en el

conocimiento declarativo (hechos sobre objetos, situaciones) y el conoci-

miento de control (información sobre el seguimiento de una acción) (Cue-

na, 1995).

Para que un sistema experto sea una herramienta efectiva, los

usuarios deben interactuar de una forma fácil, reuniendo dos capacida-

des para poder cumplirlo:

1. Explicar sus razonamientos o base del conocimiento: los siste-

mas expertos se deben realizar siguiendo ciertas reglas o pasos com-

prensibles de manera que se pueda generar la explicación para cada

una de estas reglas, que a la vez se basan en hechos.

2. Adquisición de nuevos conocimientos o integrador del sistema:

son mecanismos de razonamiento que sirven para modificar los co-

nocimientos anteriores.

Sobre la base de lo anterior, se puede decir que los sistemas exper-

tos son el producto de investigaciones en el campo de la Inteligencia Arti-

ficial, ya que ésta no intenta sustituir a los expertos humanos, sino que

se desea ayudarlos, a realizar con más rapidez y eficacia todas las tareas

que realiza.

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 15

Características de los sistemas expertos

Los sistemas expertos están basados principalmente en las si-

guientes características:

1. Representación explícita del conocimiento

2. Capacidad de razonamiento independiente de la aplicación espe-

cífica donde la base de conocimiento es independiente del motor de

inferencia que utiliza el conocimiento de esta.

3. Modularidad del conocimiento, donde los elementos que lo consti-

tuyen son independientes uno de los otros. El orden en el que se in-

troducen no influye sobre los resultados y esto permite facilidad de

modificación.

4. Capacidad de explicar sus conclusiones y el proceso de razona-

miento a través de un módulo o subsistema de explicación.

5. Aptitud para adquirir nuevos conocimientos, vía experto, a través

de un módulo de adquisición de conocimientos

6. Aptitud para comprender las preguntas del usuario, razonamien-

to realizado por el motor de inferencia y/o procedimientos de con-

trol.

7. Uso de heurística vs. modelos matemáticos

8. Uso de inferencia simbólica vs algoritmo numérico

9. Poseen aptitudes educativas.

Estos sistemas basan su rendimiento en la cantidad y calidad del

conocimiento de un dominio específico y no tanto en las técnicas de solu-

ción de problemas.

En áreas como la matemática, computación y otras técnicas como la

teoría de control, se intenta resolver problemas mediante su modelado (mo-

delo del problema). Mientras que, en los sistemas expertos se ataca el pro-

blema construyendo un modelo del “experto” o resolvedor de problemas.

Es conveniente establecer algunas diferencias entre los sistemas

expertos y los tradicionales. Las mismas se presentan en el Cuadro 1.

Por otra parte, y como complemento, se hace necesario establecer

algunas ventajas y desventajas del uso de los sistemas expertos. Tal

como se especifican en el Cuadro 2.

Tipos de sistemas expertos

Principalmente existen tres tipos de sistemas expertos basados en:

Reglas previamente establecidas.

Casos o CBR (Case Based Reasoning).

Redes bayesianas.

En cada uno de ellos, la solución a un problema planteado se obtiene:



Cuadro 1. Diferencias entre sistemas expertos y los tradicionales

Sistemas Expertos Sistemas Tradicionales

• Toman decisiones • Calculan resultados

• Basados en heurísticas • Basados en algoritmos

• Dan explicaciones de los resultados • Dan resultados sin explicaciones

• Usan reglas de inferencia • Usan secuenciación, ciclos y condi-

cionales.

• Accedan bases de conocimientos

(deductivas)

• Acceden a bases de datos

• Centrados en el experto y el usuario • Centrados en el analista y el progra-

mador

• Manejan conocimiento impreciso, con- • Conocimientos precisos, completos y

tradictorio o incompleto. exactos.

• Usan datos y lenguajes simbólicos • Usan datos numéricos y lenguajes

procedurales.

Fuente: Montiel y Riveros (2013) compilado de Cuena (1995).

Cuadro 2. Ventajas y desventajas de los sistemas expertos

Ventajas Desventajas

• Producción y productividad mayores. • Tienen una noción muy limitada

Pueden trabajar más rápido que los

humanos. Están disponibles ininte-

rrumpidamente de día y noche, ofre-

ciendo siempre su máximo desempe-

ño. Pueden duplicarse ilimitadamen-

te, es decir, tener tantos de ellos como

se requieran.

acerca del contexto de problema, es

decir, no pueden percibir todas las

cosas que un experto humano puede

apreciar de una situación.

• Mayor calidad. Dan la probabilidad de • Pueden existir decisiones que sólo

aumentar la calidad proporcionando

asesoría consistente y reduciendo las

tasas de error.

son de competencia para un ser hu-

mano y no una máquina.

• Operación en entornos peligrosos. Mu- • No saben cómo subsanar sus limita-

chas tareas requieren que los seres

humanos operen en entornos hostiles

y peligrosos.

ciones, por ejemplo, no son capaces

de trabajar en equipo o investigar

algo nuevo.

• Captación de experiencia escasa y su • Son muy costosos de desarrollar y

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 17

dimensión. Uno de los principales be-

neficios de los sistemas expertos es su

facilidad de trasmitir experiencia a tra-

mantener.

vés de fronteras internacionales.



Cuadro 2 (Continuación)


• Siempre se ajustan a las normas esta- • Tareas que realiza un Sistema Exper-

blecidas y son consistentes en su de-

sempeño, es decir, no desarrollan

apreciaciones subjetivas, tendencio-

sas, irracionales o emocionales.

to Monitorización.

• Confiabilidad. Los sistemas expertos • La monitorización es un caso particu-

son confiables. No padece de olvido, fa-

tiga, dolor o comete errores de cálculo.

• Accesibilidad al conocimiento y escri-

torios de vida. Hacen accesible el cono-

cimiento (y la información) a mucha

gente en diversos lugares. Siempre es-

tán dispuestos a dar explicaciones,

asistir o enseñar a la gente, así como a

aprender.

• Pueden tener una vida de servicio ili-

mitada. Funciones incrementadas de

otros sistemas expertos. La integra-

ción de un sistema experto con otros

sistemas expertos hacen que estos úl-

timos se vuelvan más eficientes, los

sistemas integrados abarcan más apli-

caciones, trabajan más rápido y pro-

ducen resultados de mayor calidad.

• Capacidad para trabajar con informa-

ción incompleta o inconcreta. En con-

traste con los sistemas de cómputo

convencionales, un sistema experto

puede trabajar con información in-

completa al igual que los expertos hu-

lar de la interpretación, y consiste en

la comparación continua de los valo-

res de las señales o datos de entrada y

unos valores que actúan como crite-

rios de normalidad o estándares. Se

trata de que el programa pueda deter-

minar en cada momento el estado de

funcionamiento de sistemas comple-

jos, anticipándose a los posibles inci-

dentes que pudieran acontecer.

manos.

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 19



• Impartición de capacitación. Es factible

que un sistema experto facilite la capa-

citación. El personal nuevo que trabaja

con un sistema experto se vuelve más

experimentado. La fusión de explica-

ción puede servir como un dispositivo

de enseñanza y de ese modo puede

efectuar apuntes que tal vez se inserten

en la base de conocimiento.

• Mejoramiento de las funciones para

resolver problemas. Un sistema exper-

to mejora la solución de problemas

permitiendo la integración de juicios

de expertos de primera línea en el aná-

lisis. De este modo, un sistema experto

tiene la posibilidades resolver proble-

mas cuyo enlace y conocimiento supe-

ra a los de cualquier individuo.

• Reducción del tiempo para la toma de

decisiones. Con el empleo de la recomen-

dación del sistema, un ser humano pue-

de tomar decisiones mucho más rápido.

• Reducción del tiempo fuera de servi-

cio. Muchos sistemas expertos opera-

cionales se emplean para diagnosticar

malos funcionamientos y prescribir re-

paraciones.


• Aplicando reglas heurísticas apoyadas generalmente en lógica difu-

sa para su evaluación y aplicación.

• Aplicando el razonamiento basado en casos, donde la solución a un

problema similar planteado con anterioridad se adapta al nuevo

problema.

• Aplicando redes bayesianas, basadas en estadística y el teorema de Bayes.

Otra forma y de acuerdo a la naturaleza de la tarea que realizan

bajo una concepción jerárquica, los sistemas expertos se pueden tipificar

de la siguiente manera:



Análisis (interpretación)

Identificación

Monitoreo

Diagnóstico

Predicción

Control

Síntesis (construcción)

Especificación

Diseño

Configuración

Planeación

Ensamble

Modificación

Esta tipificación también permite el estudio de la elección de una herramienta de construcción de un sistema experto.

Con ayuda de los SE, las personas con poca experiencia pueden resol-

ver problemas que requieren un conocimiento formal especializado. Se pue-

den obtener conclusiones y resolver problemas de forma más rápida que los

expertos humanos. Estos sistemas razonan pero en base a un conocimiento

adquirido y no tienen sitio para la subjetividad. Se ha comprobado que tie-

nen al menos, la misma competencia que un especialista humano. Su uso

es especialmente recomendado en las siguientes situaciones:

– Cuando los expertos humanos en una determinada materia son escasos.

– En situaciones complejas, donde la subjetividad humana puede lle- var a conclusiones erróneas.

– Cuando es muy elevado el volumen de datos que ha de considerarse

para obtener una conclusión.

Áreas de aplicación de los sistemas expertos

Se aplican a una gran diversidad de campos y/o áreas: Militar, in-

formática, telecomunicaciones, química, derecho, aeronáutica, geología,

arqueología, agricultura, electrónica, transporte, educación, medicina,

industria, finanzas y gestión, turismo, entre otras; prácticamente todas

las ramas del conocimiento. Se pueden nombrar algunos SE desarrolla-

dos en la actualidad: Dendral, XCon, Dipmeter Advisor, Mycin, CADU-

CEUS, R1, CLIPS, Jess, Prolog, Maple, Mathematica, Derive, Mathlab,

Reduce, Macsyma, Geometer’s Sketchpad, entre otros.

De acuerdo a las áreas indicadas, los sistemas expertos ejecutan

tareas como las que se presentan en el Cuadro 3 de forma estructurada.

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 21

Cuadro 3. Tareas que realiza un Sistema Experto

Tarea Descripción

Monitorización La monitorización es un caso particular de la interpretación, y

consiste en la comparación continua de los valores de las señales

o datos de entrada y unos valores que actúan como criterios de

normalidad o estándares. En el campo del mantenimiento pre-

dictivo los Sistemas Expertos se utilizan fundamentalmente

como herramientas de diagnóstico. Se trata de que el programa

pueda determinar en cada momento el estado de funcionamiento

de sistemas complejos, anticipándose a los posibles incidentes

que pudieran acontecer. Así, usando un modelo computacional

del razonamiento de un experto humano, proporciona los mis-

mos resultados que alcanzaría dicho experto.

Diseño Diseño es el proceso de especificar una descripción de un ar-

tefacto que satisface varias características desde un número

de fuentes de conocimiento.

• El diseño se concibe de distintas formas:

• El diseño en ingeniería es el uso de principios científicos, infor-

mación técnica e imaginación en la definición de una estructu-

ra mecánica, máquina o sistema que ejecute funciones especí-

ficas con el máximo de economía y eficiencia.

• El diseño industrial busca rectificar las omisiones de la inge-

niería, es un intento consciente de traer forma y orden visual a

la ingeniería de hardware donde la tecnología no provee estas

características.

Los SE en diseño ven este proceso como un problema de bús-

queda de una solución óptima o adecuada. Las soluciones al-

ternas pueden ser conocidas de antemano o se pueden generar

automáticamente probándose distintos diseños para verificar

cuáles de ellos cumplen los requerimientos solicitados por el

usuario, ésta técnica es llamada “generación y prueba”, por lo

tanto estos SE son llamados de selección. En áreas de aplica-

ción, la prueba se termina cuando se encuentra la primera so-

lución; sin embargo, existen problemas más complejos en los

que el objetivo es encontrar la solución óptima.

Planificación La planificación es la realización de planes o secuencias de ac-

ciones y es un caso particular de la simulación. Está com-

puesto por un simulador y un sistema de control. El efecto fi-

nal es la ordenación de un conjunto de acciones con el fin de

conseguir un objetivo global.

Los problemas que presentan la planificación mediante SE

son los siguientes:




Tarea Descripción

• Existen consecuencias no previsibles, de forma que hay que

explorar y explicar varios planes.

• Existen muchas consideraciones que deben ser valoradas o in-

cluirles un factor de peso.

• Suelen existir interacciones entre planes de subobjetivos di-

versos, por lo que deben elegirse soluciones de compromiso.

• Trabajo frecuente con incertidumbre, pues la mayoría de los

datos con los que se trabaja son más o menos probables pero

no seguros.

• Es necesario hacer uso de fuentes diversas tales como bases de

datos.

Control Un sistema de control participa en la realización de las tareas de

interpretación, diagnóstico y reparación de forma secuencial.

Con ello se consigue conducir o guiar un proceso o sistema. Los

sistemas de control son complejos debido al número de funcio-

nes que deben manejar y el gran número de factores que deben

considerar; esta complejidad creciente es otra de las razones que

apuntan al uso del conocimiento, y por tanto de los SE.

Simulación La simulación es una técnica que consiste en crear modelos

basados en hechos, observaciones e interpretaciones sobre la

computadora, a fin de estudiar el comportamiento de los mis-

mos mediante la observación de las salidas para un conjunto

de entradas. Las técnicas tradicionales de simulación requie-

ren modelos matemáticos y lógicos, que describen el compor-

tamiento del sistema bajo estudio.

El empleo de los SE para la simulación viene motivado por la

principal característica de los SE, que es su capacidad para la

simulación del razonamiento de un experto humano, que es

un proceso complejo.

En la aplicación de los SE para simulación hay que diferenciar

cinco configuraciones posibles:

• Un SE puede disponer de un simulador con el fin de comprobar

las soluciones y en su caso rectificar el proceso que sigue.

• Un SE puede disponer de un simulador con el fin de comprobar

las soluciones y en su caso rectificar el proceso que sigue.

• Un sistema de simulación puede contener como parte del mis-

mo a un SE y por lo tanto él no tiene que ser necesariamente de

simulación.

• Un SE puede controlar un proceso de simulación, es decir, que

el modelo está en la base de conocimiento del SE y su evolución

es función de la base de hechos, la base de conocimientos y el

motor de inferencia, y no de un conjunto de ecuaciones aritmé-

tico–lógicas.




Tarea Descripción

• Un SE puede utilizarse como consejero del usuario y del siste-

ma de simulación.

• Un SE puede utilizarse como máscara o sistema frontal de un

simulador con el fin de que el usuario reciba explicación y jus-

tificación de los procesos.

Instrucción Un sistema de instrucción realizará un seguimiento del proce-

so de aprendizaje. El sistema detecta errores ya sea de una

persona con conocimientos e identifica el remedio adecuado,

es decir, desarrolla un plan de enseñanza que facilita el proce-

so de aprendizaje y la corrección de errores.

Recuperación Los sistemas expertos, con su capacidad para combinar infor-

de información mación y reglas de actuación, han sido vistos como una de las

posibles soluciones al tratamiento y recuperación de informa-

ción, no sólo documental. La década de 1980 fue prolija en in-

vestigación y publicaciones sobre experimentos de este orden,

interés que continua en la actualidad.

Integración y

migración de

los sistemas

expertos.

Los sistemas expertos, salvo excepciones, no están aislados sino

que forman parte de otros sistemas, expertos o convencionales.

Existen dos tipos básicos de arquitectura de integración. En la

primera, el sistema basado en el conocimiento forma parte de

otro sistema principal. Así, si el sistema necesita comunicarse

con el sistema basado en el conocimiento, entablará una comu-

nicación directamente o a través de una red.

En la segunda, el sistema basado en el conocimiento es el sis-

tema principal y está conectado a otros sistemas basados en

el conocimiento o convencionales, que le ayudan en su opera-

ción. Como ejemplo están los subsistemas que realizan com-

plejos cálculos matemáticos necesarios durante el proceso de

razonamiento.

En ambos casos debe garantizarse una comunicación fluida

de todos los sistemas, aunque estén funcionando en platafor-

mas diferentes, ya sea directamente o a través de una red lo-

cal. Este aspecto es crítico en sistemas basados en el conoci-

miento en tiempo real, los cuales requieren un rápido acceso a

la información relevante y a las bases de datos para poder

ofrecer una solución inmediata y satisfactoria.

Por tanto, habrá que fijarse en las posibilidades de conexión a

las bases de datos más conocidas y, en especial, a aquélla que

se esté utilizando como estándar en la organización así como

la posibilidad de llamar a rutinas externas en diferentes len-

guajes y viceversa, o la invocación del sistema basado en el

conocimiento desde otros sistemas.

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 23


Tarea Descripción

Un aspecto fundamental a tener en cuenta es la portabilidad de

la herramienta (herramientas multiplataforma). En este aspecto

hay que valorar no sólo si la herramienta es susceptible de fun-

cionar en diferentes plataformas sino también el coste del cam-

bio de plataforma. Existen herramientas que permiten pasar de

una plataforma a otra sin apenas esfuerzo, lo que facilitará la

comercialización y el uso de los sistemas que se desarrollen


Entre los campos actuales de investigación y de aplicación de los

SE se pueden especificar los siguientes:

Aprendizaje: Se pretende que sea el propio computador el que ad-

quiera el conocimiento. Existen muchas técnicas aplicables o no de-

pendiendo del problema: aprendizaje inductivo, deductivo, redes

neuronales, algoritmos genéticos.

Redes Neuronales: Consisten en nodos conectados con otros me-

diante enlaces, simulando las redes neuronales (conexiones que

forman las neuronas en el cerebro). Se investiga su utilización en

muchas áreas: Visión artificial, razonamiento, aprendizaje, com-

prensión lenguaje natural.

Redes Bayesianas: Técnica para tratar el razonamiento con incerti-

dumbre. Su base es el Teorema de Bayes que es el método matemá-

tico exacto para tratar las probabilidades. Consiste en una red don-

de los nodos son hechos ciertos o no y los enlaces entre los nodos

son las probabilidades condicionadas de unos hechos con respecto

a otros. Propagando las probabilidades a través de la red, se pueden

obtener los resultados más probables a partir de los hechos que se

conocen (razonamiento). El ejemplo típico son los sistemas de diag-

nóstico médico.

Algoritmos genéticos: Son métodos de aprendizaje inspirados en

la evolución natural, y que utilizan las nociones de individuos, apa-

reamiento, recombinación de cromosomas, mutación genética,

adaptación y selección natural. Son la base de las investigaciones

en vida artificial.

Otras técnicas que se pueden mencionar son la utilización de Onto-

logías para representar el conocimiento, Data Mining para obten-

ción de conocimiento en bases de datos y los Agentes Inteligentes

para la recuperación de información en Internet.



Aplicación de los SE en la educación

Partiendo de una forma jerárquica y sin limitarse a ello, se pueden

mencionar algunas derivaciones en educación. La primera se refiere a la

aplicación de sistemas expertos para el diseño de modelos instrucciona-

les de enseñanza y la segunda al aprendizaje asistido por computador.

En relación al primer caso es necesario plantear algunas conside-

raciones con respecto a la instrucción. Ésta puede ser entendida como la

creación de condiciones en el entorno de aprendizaje y el conjunto de ac-

tividades articuladas por estrategias, con la intención primordial de faci-

litar el logro de los objetivos de aprendizaje. Según Eggen y Kauchak

(2001) los modelos instruccionales son definidos como estrategias pres-

criptivas diseñadas para cumplir con las metas de enseñanza particula-

res proporcionan flexibilidad suficiente para dar lugar a que los docentes

usen su propia creatividad, de la misma manera que el constructor usa

su creatividad en el acto de la construcción.

Cada modelo de instrucción está basado en una teoría de aprendi-

zaje, y ésta a su vez, sCuadro 3 (Continuación)e enfoca en determinadas

formas de considerar al alumno y las implicaciones de la enseñanza. De

modo que el modelo instruccional se convierte en una herramienta para

los docentes a la hora de diseñar y planificar más eficazmente el proceso

didáctico, ya que su aplicación requiere de una especificidad de resulta-

dos esperados en el alumno y el sustento filosófico y operacional de una

teoría del aprendizaje.

Según Joyce y Weil (2002) un modelo instruccional, es una descrip-

ción de un ambiente de aprendizaje. Las descripciones tienen múltiples

usos que van desde la planificación de currículos, cursos, unidades di-

dácticas y lecciones hasta el diseño del material de enseñanza: libros,

manuales entre otros.

Para Reigeluth (1999) analizar cómo y cuándo utilizar un modelo o

una combinación apropiada, y definir cuáles serán las estrategias de ins-

trucción más adecuadas, implica un proceso complejo de toma decisio-

nes que debe atender a las diferentes variables involucradas y que inte-

ractúan entre sí en el acto educativo. Aquí el docente tiene una tarea pri-

mordial, al intentar diseñar una propuesta didáctica que procure el logro

de aprendizajes; y el enfoque basado en modelos reconoce, como factores

que afectan dicho acto, al docente, los estudiantes y el contenido.

Cada uno de ellos tienen características particulares o variables que

deben ser consideradas según los procedimientos y situaciones de apren-

dizaje específicos (Eggen y Kauchak, 2001). Existen diversos modelos ins-

truccionales, pero su selección depende del proceso de análisis y toma de

decisiones que el docente haga de manera crítica y sistemática durante el

quehacer didáctico (planificación, ejecución, evaluación, entre otros).

Por lo tanto, los sistemas expertos para diseñar modelos que cola-

boran en la acción de planificación, diseño de la acción educativa y la

aplicación pedagógica, pueden considerar en su diseño las teorías del

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 25

aprendizaje, características de la instrucción, patrones instruccionales,

estrategias recomendadas, experiencia del experto. Siendo esta una ta-

rea difícil de realizar, dado al número de variables a considerar durante

la realización de un modelo especifico, inclusive

En este caso el producto del sistema experto es el diseño instruccio-

nal para lograr un aprendizaje efectivo en los estudiantes receptores del

contenido específico. Sin embargo, el usuario principal del sistema es el

instructor del contenido a impartir.

En relación al aprendizaje asistido por computador caracterizado

como un uso de las TIC, la aplicación de un sistema experto viene dada

como herramienta colaborativa en el proceso enseñanza y aprendizaje de

cualquier área del saber que requiera por compleja que sea o por sus ca-

racterísticas específicas. Contrario al caso anterior el producto de este

sistema es el conocimiento adquirido por los alumnos que ahora se con-

vierten en usuarios principales del sistema.

Los antecedentes de estos sistemas aplicados al proceso de ense-

ñanza y aprendizaje son bastantes, a diferencia de los que pueden existir

para el diseño y planificación didáctica, que se conocen pocos. La mayo-

ría de las investigaciones del campo de la Inteligencia Artificial dentro de

la educación, suelen estar dedicadas a proceso de aprendizaje y a la ad-

ministración académica referida al manejo de información sobre los es-

tudiantes. Según Sánchez y Lama (2007: 9) “Las más utilizadas en el

campo de la educación son: las técnicas de personalización basadas en

modelos de estudiantes y grupos, los sistemas basados en agentes inteli-

gentes, las ontologías y las técnicas de web semánticas”.

En el caso particular de un área específica como la matemática se

puede hablar de ella como una ciencia naturalmente formativa. Además,

que proporciona conocimientos indispensables de carácter práctico o

instrumental, otorga toda una estructura de pensamiento. La enseñanza

de ella puede contribuir decisivamente con el desarrollo de las habilida-

des del pensamiento y destrezas cognitivas, que fortalecen la capacidad

de razonamiento, la disciplina mental y el rigor en la toma de decisiones.

Por otra parte, los docentes a veces no consideran las diferencias indivi-

duales de los alumnos debido problemas inherentes entre ellos la masifi-

cación, de modo que pudiera considerarse el uso de sistemas expertos en

la instrucción, para dar solución a este problema.

Lo anterior gira en torno a que el docente atienda con mayor efica-

cia la diversidad de los alumnos, es decir, pueda combinar la enseñanza

mediante el uso de sistemas artificiales que se adapten a las característi-

cas y necesidades individuales de los educandos. Por lo tanto, él puede

asumir diversos roles, el de instructor cuando realiza explicaciones gene-

rales al grupo y el de guía cuando contribuye de una manera menos di-

recta, en las sesiones de aprendizaje asistidas por computador.

Por otro parte, en matemática los sistemas de cálculo simbólico o

álgebra computacional en la actualidad, tienen una interfaz de ambiente



gráfico, más accesibles en cuanto a su manejo. Entre ellos, el Maple, el

Mathematica, el Derive, el Mathlab, el Reduce y el Macsyma. Estos siste-

mas se desarrollaron para resolver problemas matemáticos y para ser

usados por matemáticos. Pero las nuevas versiones han permitido su

uso en la educación matemática. A pesar de su interfaz, no es fácil el ma-

nejo por alumnos de niveles educativos inferiores, pues el carácter sim-

bólico del sistema requiere de conocimientos básicos de matemática, que

en la mayoría de los niños no están formalizados (Hurtado, 1999).

Es necesario considerar que como estrategia para el diseño de progra-

mas de computador (sistemas expertos) que pueden aportar al proceso de

enseñanza y aprendizaje de las áreas, y en particular la matemática esto

constituye la cuarta categoría de tipos de tecnología en la educación matemá-

tica. Desafortunadamente, muchas de las expectativas que se tuvieron con

los intentos de utilizar la inteligencia artificial en la enseñanza y el aprendiza-

je de la matemática no han tenido el éxito esperado. Estos intentos busca-

ban, de alguna manera, automatizar el proceso de enseñanza. Sin embargo,

al no tener en cuenta el papel del docente y al simplificar la complejidad que

se encuentra involucrada tanto en el contenido matemático, como en el pro-

ceso aprendizaje y comprensión de ese contenido por parte del sujeto, estos

intentos se han quedado cortos con respecto a sus propósitos iniciales.

El funcionamiento del sistema didáctico depende no solamente de

factores aparentemente estables como el contenido matemático. Tam-

bién depende de factores muy variables como la estructura social de la

clase y los saberes iniciales de los alumnos. Por lo tanto, éste es un siste-

ma extremadamente difícil de modelar para efectos producir de progra-

mas de computador capaces de reconocer y adaptarse a la variedad de si-

tuaciones posibles, a las necesidades y circunstancias que determinan el

éxito del encuentro entre el sujeto y el medio.

Simulación de una nueva forma de aprendizaje

Las instituciones educativas deben ofrecer a sus estudiantes las

herramientas para que ellos puedan diferenciar, analizar, y crear su pro-

pio aprendizaje a través de una experiencia directa con el medio, aumen-

tando su capacidad de respuesta y su habilidad para responder a las de-

mandas tecnológicas del medio.

Los SE son sistemas computacionales diseñados para recoger y re-

gistrar aquellos aspectos del experto humano, necesarios para la toma

de decisiones, así como el comportamiento del experto ante dicha situa-

ción, y pueden ser muy útiles en la enseñanza porque simulan o imitan la

realidad; son un excelente método de experimentación.

En el caso particular de un estudiante de ingeniería civil el aprendizaje

aumenta considerablemente con la experimentación de sus propios cálculos

estructurales de un edificio, ya que puede observar la conducta de ese edifi-

cio, encontrar y corregir las fallas en sus cálculos, sin tener que vivir realmen-

te la experiencia, que resultaría muy costosa y altamente desmotivadora.

Omnia • Año 20, No. 1, 2014, pp. 11 - 28 27

Algunas recomendaciones para la integración de sistemas

expertos en la enseñanza

1. Generar desafíos en el contenido del programa de cada materia, que

integren la simulación como método de experimentación. Elegir el

modelo de simulación más adecuado al currículo.

2. Crear nuevos e innovadores procesos de enseñanza y materiales,

apoyados con las contribuciones del avance tecnológico y el uso de

sistemas expertos.

3. Enseñar y compartir las ideas sobre el aprendizaje eficaz basado en

computadores a través de la elaboración de casos de estudio o reportes.

4. Ayudar a los estudiantes para que descubran cómo idear las pre-

guntas significativas que contribuyan a su aprendizaje, haciendo

énfasis en usar las TIC como alternativa de solución, ya que son un

recurso muy completo que les permite observar, experimentar, mo-

dificar, tomar decisiones y establecer conclusiones, cuantas veces lo

requieran.

Conclusiones

La inteligencia artificial, presenta múltiples aplicaciones en distin-

tos ámbitos de la vida en sociedad. En el campo educativo, sus más

importantes aportes se circunscriben en los avances de las tecnolo-

gías que tienen que ver con los sistemas expertos y en particular los

sistemas instruccionales.

La creación de sistemas instruccionales inteligentes permite auto-

matizar el proceso enseñanza y aprendizaje, y se ha convertido en

una opción que da posibilidad de respetar la diversidad y las condi-

ciones individuales de aprendizaje de los estudiantes.

Un sistema experto instruccional diagnostica, depura y corrige la

ejecución de los estudiantes en un área particular de conocimiento.

El sistema determina el nivel cognoscitivo del alumno y lo ayuda a

mejorar sus debilidades para que alcance un nivel superior de

aprendizaje.

Los sistemas expertos instruccionales pueden convertirse en una

solución para alcanzar objetivos de aprendizaje que van más allá de

la simple memorización, a niveles superiores tales como: compren-

sión, aplicación y análisis

En la enseñanza y el aprendizaje de ciencias formales (matemática)

la crisis demanda soluciones nuevas, que permitan a los educandos

aprender de una forma más interactiva (matemática asistida por

computador), como complemento de la educación haciendo uso de

sistemas expertos para la instrucción de la matemática tradicional.



El uso adecuado de sistemas expertos para la enseñanza y el apren-

dizaje de la matemática, otorgará a los individuos un verdadero de-

sarrollo en sus habilidades de pensamiento y toma de decisiones.

El uso de las TIC puede ayudar a la búsqueda de ambientes de

aprendizaje heurísticos donde el estudiante explore, conjeture y

construya su propio conocimiento.

Referencias bibliográficas

Chatain, Jean-Noël y Dussauchoy, Alain (1989). Sistemas Expertos. Méto-

dos y Herramientas. Editorial paraninfo, S.A. Madrid España.

Cuena, José (1995). Notas sobre modelos de razonamiento. Dpto. de I.A.,

Facultad de Informática, UPM.

Eggen, Paul y Kauchak, Donald (2001). Estrategias docentes. Enseñanza

de contenidos curriculares y desarrollo de habilidades del pensa-

miento. Fondo de cultura económica- México, 2da. Edición.

Hurtado, Claudio (1999). Nuevas tecnologías de la información y comuni-

cación en la educación matemática. Maracaibo, Venezuela, Trabajo

de Ascenso. Departamento de Matemática y Física. Facultad de Huma-

nidades y Educación. LUZ

Joyce, Bruce y Weil, Marsha (2002). Modelos de enseñanza. Gedisa–Espa-

ña.

Reigeluth, Charles (1999). Instructional design theories and models: a

new paradigm of instructional theory. Lawrence Erlbaum Asociates

Publishers. Washinton. USA.

Sánchez, Eduardo y Lama, Manuel (2007). Monografía: Técnicas de la inte-

ligencia artificial aplicadas a la educación. Revista Iberoamericana

de Inteligencia Artificial. No 33.

Velázquez, Gilberto y Coca, William (2004). Sistemas de Expertos. Facultad

de Ingeniería. Universidad Don Bosco. El Salvador.

los sistemas expertos en el ámbito educativo · sistemas expertos en el ámbito educativo...

Documents